研究者提出多模态推理基准 PRISM-BENCH

Vansh Bhatia 等作者提出多模态推理基准 PRISM-BENCH，包含 1,000 道专家精选问题，覆盖五类此前较少被覆盖的推理任务，每题配有一条由一名人工标注者撰写、另一名人工标注者验证的理想推理轨迹。 作者称，感知探针显示约 85% 的前沿模型失败源于感知错误，瓶颈在视觉 grounding；轨迹对齐可预测答案正确性（macro AUROC 0.66）。该基准的用途是诊断最终答案准确率之外的推理过程。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。